[发明专利]基于数据分割的遥感影像并行处理的路径最优选择智能方法

说明书

本发明属于遥感和地理信息系统技术领域，具体为一种基于数据分割的遥感影像并行处理的路径最优选择智能方法。本发明先获得输入的遥感影像，再根据训练样本自动计算并行处理程序的单位信息量下的计算代价每步处理遥感影像的相对信息量r和元素个数n，然后计算遥感影像并行处理程序的单位信息量下的计算代价比值φ_p/φ′_p和每步处理遥感影像的相对信息量和元素个数比值(r_j×n_i)/(r_j+1×n_i+1)，最后根据这个比值判断并获得遥感影像并行处理的路径最优路径。本发明解决了将并行技术应用于遥感影像分布式存储和处理领域时其处理模型所具有的多路可达性所引起的路径动态、最优选择问题，原理简单实用，满足了并行处理时耗时最短、最高效的要求。

技术领域

本发明属于遥感和地理信息系统技术领域，具体涉及一种基于数据分割的遥感影像并行处理的路径最优选择智能方法。

背景技术

在栅格数据结构中，空间被规则地划分为栅格(通常为正方形)。地理实体的位置和状态是用它们占据的栅格行、列号来定义的。每个栅格的大小代表了定义的空间分解力。栅格单元取得越小，数据的分解力就越高，但相对而言，数据文件的数据量越大。

栅格数据可以看作是2维矩阵，栅格数据的四叉树金字塔组织方式或者小波金字塔组织方式，事实上形成了一种并行/分布式存储结构。即，数据是在一个三维空间上进行分布的。这个三维空间的坐标系分别是二维空间的X、Y分辨率级。在这个三维坐标系上Z表示的是DOM和DEM数据的颜色值或高程值。在这个数据存储体系中，处于同一分辨率级的不同地域的数据具有不相关性。每个层次的数据在范围上具有上下层涵盖关系，由于不同分辨率级的数据具有一定的信息重复度，分辨率级高的数据信息包含了分辨率级低的数据信息。因此，在金字塔生成的过程中，以高分辨率级数据生成低分辨率级数据。而在同一数据层中，因为数据不相关，数据不能相互生成。分辨率越高，不相关的数据就越多，即域分解性就越好。反之分辨率低，不相关的数据就少，域分解性就差。由于同一分辨率级之间的数据没有相关性，因此，进行域分解不会带来任何通信的代价。但是对于同一区域的不同分辨率数据进行域分解则带来通信量的加大。因此，基于金字塔组织的数据具有较好的域分解性。

在遥感影像并行处理过程中包含不同的处理过程。例如图1中分割过程中伴随着数据压缩。图2的目标检测则是一个信息量增加的过程。图中椭圆为检测出的目标，并将其自动生成矢量多边形和矢量点，从而导致信息量增加。不难看出，无论是四叉树索引的并行处理过程还是目标检测的并行处理过程均可以抽象成图3所示的模型。

分割操作多于非分割操作的并行处理过程称为纵向并行，分割操作少于非分割操作的并行处理过程称为横向并行。图4给出了更为一般的纵向并行和横向并行的示意图。该图表示从源数据态经过链得到的不同的数据态(分割数据态和其他数据态)的过程。从图中可知无论是a还是b均是一个不完全二叉树。易知，不完全二叉树上的每一个分叉都表示一种实行并行的可能性。若将每一个映射过程视为一个并行任务，则并行维数为d的映射过程，可以形成d条并行的子任务。多路可达性造成了横向并行和纵向并行两种并行路径的选择。易知，若遥感影像处理函数不发生变化，并行路径不发生改变。在具体的并行处理实施过程中，如何让计算机根据处理函数动态选择最佳的并行路径将是分布式存储策略的关键问题。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于数据分割的遥感影像并行处理的路径最优选择智能方法。

本发明提供的基于数据分割的遥感影像并行处理的路径最优选择智能方法，具体步骤如下：

1)输入待进行并行处理的遥感影像；

2)判断是否经过训练？如果为真则跳至步骤13)；否则继续步骤3)；

3)人工输入遥感影像分割程序和其他并行处理程序的数量和名称；